【数据结构】——堆的实现与算法
如意.759 2024-10-05 10:05:02 阅读 60
目录
一、堆的实现
1.1堆数据的插入
1.2堆数据的删除
二、建堆算法
2.1向上调整建堆
2.2向下调整建堆
三、堆的应用
3.1堆排序
3.2Top—K问题
一、堆的实现
1.1堆数据的插入
插入一个数据后不再是小堆需要将新数据调整到合适的位置,所以堆的插入就是在数组插入数据再向上调整即可
堆数据的插入
1.检查空间是否需要扩容
2.赋值size++
3.向上调整
<code>void AdjustUp(HPDataType* a,int size)
{
int child = size - 1;
while (child > 0)
{
int parent = (child - 1) / 2;//父亲结点
if (a[child] < a[parent])//判断 小于建小堆
{
Swap(&a[child], &a[parent]);
child = parent;
}
else
{
break;
}
}
}
void HPPush(HP* php, HPDataType x)
{
assert(php);
if (php->capacity == php->size)
{
int newcapacity = php->capacity == 0 ? 4 : 2 * php->capacity;
HPDataType* tmp = (HPDataType*)realloc(php->a,sizeof(HPDataType)*newcapacity);//这是 php->a的动态内存
if (tmp == NULL)
{
perror("fail realloc");
return;
}
php->a = tmp;
php->capacity = newcapacity;
}
php->a[php->size++] = x;
AdjustUp(php->a, php->size);
}
1.2堆数据的删除
分析:
因此:
代码:
<code>void AdjustDown(HPDataType* a, int size, int parent)
{
int child = 2 * parent + 1;
while (child<size)//结束条件不能越界
{
//假设法求出最小的孩子
if (child + 1 < size && a[child] > a[child + 1])
{
child = child + 1;
}
//调整
if (a[parent] > a[child])
{
Swap(&a[parent], &a[child]);
//更新父亲孩子结点
parent = child;
child = 2 * parent + 1;
}
else
{
break;
}
}
}
void HPPop(HP* php)//删除根结点
{
assert(php && php->size > 0);
Swap(&php->a[0], &php->a[php->size - 1]);
php->size--;
AdjustDown(php->a, php->size, 0);
}
二、建堆算法
2.1向上调整建堆
堆插入的过程其实就是建堆,在一个堆的末尾插入数据然后向上调整形成一个新的堆
<code>void AdjustUp(HPDataType* a, int size)
{
int child = size - 1;
while (child > 0)
{
int parent = (child - 1) / 2;//父亲结点
if (a[child] > a[parent])//判断 小于建小堆
{
Swap(&a[child], &a[parent]);
child = parent;
}
else
{
break;
}
}
}
向上调整建堆时间复杂度分析
根据大O渐进法,向上调整建堆的时间复杂度即 O(N*logN)
2.2向下调整建堆
从最后一个父亲结点开始依次向下调整
根据大O渐进法,向下调整建堆的时间复杂度即 O(N)
对比向上调整建堆,h-1层向下调整只需要移动1层,而向上调整需要移动h-1次因此向下调整是更优的建堆算法
三、堆的应用
3.1堆排序
堆排序即利用堆的思想来进行排序,总共分为两个步骤:
1. 建堆
升序:建大堆
降序:建小堆
2. 利用堆删除思想来进行排序
演示代码:
<code>//升序向下调整
void SAdjustDown(HPDataType* a, int size, int parent)
{
int child = 2 * parent + 1;
while (child < size)//结束条件不能越界
{
//假设法求出最小的孩子
if (child + 1 < size && a[child] < a[child + 1])
{
child = child + 1;
}
//调整
if (a[parent] < a[child])
{
Swap(&a[parent], &a[child]);
//更新父亲孩子结点
parent = child;
child = 2 * parent + 1;
}
else
{
break;
}
}
}
void HeapSort(int* a, int n)
{
//升序建大堆
//降序建小堆
向上建堆
//for (int i = 1; i < n; i++)
//{
////相当于慢慢插入数据建堆
//SAdjustUp(a, i);
//}
//向下调整建堆
for (int i = (n - 1 - 1) / 2; i >= 0; i--)
{
SAdjustDown(a, n, i);
}
int end = n - 1;
while (end > 0)
{
Swap(&a[0], &a[end]);
SAdjustDown(a, end, 0);
end--;
}
}
堆排序的时间复杂度:
对比向上调整建堆
可以知道堆排序时间复杂度:O(N*logN)
3.2Top—K问题
Top—K问题:N个数中求最大的(最小的)前K个数据,一般N远大于K
实例:专业前5名、富豪榜、游戏战力榜等等
方法一:
建一个N个数的大堆 O(N)
Pop k次数据 O(N*logN)
此方法缺陷也很明显如果N太大,排序就不太可取,甚至数据都无法一下子加载到内存中
方法二:
用前K个数建一个小堆 O(K)
剩下数据与堆顶数据比较,如果比堆顶数据大,那么替代堆顶进堆(覆盖堆顶数据然后向下调整)
O(logK*(N-K)(最坏情况都需要覆盖调整)
复杂度:O(N)
分析:
剩下的N-K个数据依次与堆顶数据比较
<1>数据比堆顶数据小,那么不可能为最大的前K个
<2>数据比堆顶数据大,覆盖调整之后形成一个新的小堆,再次比较
比较完所有的数后那么小堆中就是最大的前K个数据
代码实现
先生成十万个数据
<code>void CreatData()
{
int n = 100000;//生成10万个数据
srand(time(0));//生成不同的种子
FILE* file = fopen("qsy.txt", "w");//打开文件
for (int i = 0; i < n; i++)
{
int x = rand() % 100001 + i;//生成随机数
fprintf(file, "%d\n", x);//写数据
}
fclose(file);//关闭文件
file = NULL;
}
开K个空间从 qsy 文件里读取数据建堆
之后再读取数据比较堆顶数据覆盖调整
<code>void CreatData()
{
int n = 100000;//生成10万个数据
srand(time(0));//生成不同的种子
FILE* file = fopen("qsy.txt", "w");//打开文件
for (int i = 0; i < n; i++)
{
int x = rand() % 100001 + i;//生成随机数
fprintf(file, "%d\n", x);//写数据
}
fclose(file);//关闭文件
file = NULL;
}
int main()
{
CreatData();
int k;
scanf("%d", &k);
int* kmin = (int*)malloc(10 * sizeof(int));
if (kmin == NULL)
{
perror("malloc fail");
return 1;
}
//读取数据
FILE* pf = fopen("qsy.txt", "r");
for (int i = 0; i < k; i++)
{
fscanf(pf, "%d", &kmin[i]);
}
//建k个数的小堆
for (int i = (k - 1 - 1) / 2; i >= 0; i--)
{
JAdjustDown(kmin, k, i);
}
//比较数据
int x;
while (fscanf(pf, "%d", &x) != EOF)
{
if (x > kmin[0])
{
kmin[0] = x;
JAdjustDown(kmin, k, 0);
}
}
//打印数据
for (int i = 0; i < k; i++)
{
printf("%d ", kmin[i]);
}
return 0;
}
声明
本文内容仅代表作者观点,或转载于其他网站,本站不以此文作为商业用途
如有涉及侵权,请联系本站进行删除
转载本站原创文章,请注明来源及作者。